#Q-learning
共 36 篇相关文章
·13 分钟
M.A.R.A：用强化学习从零训练会战斗的AI坦克
深入解析M.A.R.A项目如何通过强化学习训练AI坦克，从基础移动到2v2团队协作的完整过程，探讨多智能体强化学习、自我博弈等核心技术在对抗性游戏中的应用。
阅读全文 →
·16 分钟
从零构建AI：503节课开源课程完整学习路径
AI Engineering from Scratch是一门包含503节课、20个阶段的开源AI课程，从线性代数到自主智能体，先手写实现再调库，支持Python/TypeScript/Rust/Julia四种语言，GitHub超4.6万星。
阅读全文 →
·14 分钟
反应式游戏AI实战：用深度强化学习从零实现Atari打砖块
详解如何用深度强化学习实现Atari打砖块的反应式游戏AI，涵盖DQN架构设计、帧堆叠预处理、CNN特征提取、训练策略优化等核心技术要点，附开源代码实践指南。
阅读全文 →
·13 分钟
策略梯度算法进化史：从REINFORCE到PPO再到GRPO的完整脉络
深入解析策略梯度算法的进化链条：REINFORCE的高方差问题、Actor-Critic的基线修复、TRPO的信任域约束、PPO的裁剪优化，到GRPO的组内基线创新。用问题-修复的因果逻辑串联整条强化学习策略梯度发展脉络。
阅读全文 →
·15 分钟
控制理论与机器学习结合：从入门到前沿的学习路线
为控制理论背景的学习者量身定制的机器学习入门指南，涵盖强化学习、数据驱动控制、Learning-based MPC等交叉方向，提供三阶段学习路线与实践建议。
阅读全文 →
·12 分钟
六个月124次迭代：用PPO攻克Breakout的反应式打法
一位强化学习爱好者历时六个月、迭代124个版本，终于用PPO算法在Atari Breakout中实现反应式打法。本文深入分析PPO调参难点、Breakout环境挑战及强化学习工程实践的真实经验。
阅读全文 →
·17 分钟
MARL多智能体强化学习实战入门：从理论到代码的完整路径
系统梳理多智能体强化学习(MARL)从理论到代码实现的学习路径，涵盖CleanRL、PettingZoo、PyMARL等工具推荐，IQL、VDN、QMIX算法学习顺序，以及理论转实战的实用技巧。
阅读全文 →
·6 分钟
UT奥斯汀在线AI硕士项目深度解析：课程强度、选课节奏与申请建议
全面解析UT Austin在线人工智能硕士(MSAI)项目的课程强度、在职学习节奏建议及申请准备策略，结合Reddit真实学生反馈，帮助你判断这个项目是否值得读。
阅读全文 →
·7 分钟
PIRL框架解析：从开环探索到闭环强化学习的平滑过渡
深入解析PIRL强化学习框架，探讨如何从开环探索平滑过渡到闭环强化学习，缓解探索-利用两难困境，提升样本效率。涵盖核心思路、技术优势与局限分析。
阅读全文 →
·10 分钟
decisionrl：专为运营决策打造的强化学习开源库
decisionrl 是一个专注运营决策的强化学习库，内置库存管理、动态定价、供应链等六大场景环境，并配套运筹学基线用于对比验证。支持DQN、PPO、SAC等主流算法，基于PyTorch构建，MIT协议开源，帮助工程师快速将RL落地于实际业务决策。
阅读全文 →
·8 分钟
Reinforce：开发者开源强化学习Python库，轻量可读助力入门
开发者Denis Drobyshev发布首个强化学习开源库Reinforce，托管于GitHub。文章解析轻量级RL库的学习价值、新手开源项目的常见挑战，以及如何参与贡献，适合强化学习初学者与开源社区爱好者阅读。
阅读全文 →
AI智能体玩游戏：娱乐背后的技术价值与研究意义
·12 分钟
AI智能体玩游戏：娱乐背后的技术价值与研究意义
AI智能体为何热衷于玩游戏？本文深入探讨游戏作为AI训练场的核心优势，从DeepMind AlphaGo到LLM驱动的智能体实验，揭示"让AI玩游戏"如何从个人娱乐演变为衡量智能体规划、推理与决策能力的重要基准测试手段。
阅读全文 →
·14 分钟
Vizuara机器人学习课程笔记获取指南与免费资源推荐
想免费获取Vizuara《Modern Robot Learning from Scratch》课程笔记？本文梳理官方渠道、GitHub开源资源及合规获取途径，并推荐UC Berkeley CS285等机器人学习免费课程，助你系统构建机器人学习知识体系。
阅读全文 →
·17 分钟
强化学习算力优化实战：提升CPU与GPU利用率的核心策略
深入讲解强化学习训练中CPU与GPU利用率低的根本原因，涵盖向量化环境并行、分布式Actor-Learner架构、GPU端环境模拟（Isaac Gym/Brax）及Ray RLlib实践，帮助RL工程师最大化计算资源效率。
阅读全文 →
·10 分钟
On-Policy蒸馏详解：原理、优势与应用场景全面解析
深入解析On-Policy蒸馏（在策略蒸馏）的核心原理、与传统Off-Policy蒸馏的关键区别，以及在模型压缩、推理能力迁移、RLHF对齐训练等场景中的广泛应用，帮助你全面理解这一快速崛起的AI模型训练新范式。
阅读全文 →
科技前沿·7 分钟
DeepMind联手EVE Online：为何选择这款20年老游戏做AI研究？
Google DeepMind宣布与CCP Games合作，围绕EVE Online展开AI研究。这款拥有复杂经济系统和万人同服的太空沙盒游戏，将成为多智能体系统和强化学习的全新试验场，研究成果或将超越游戏领域。
阅读全文 →